D:.
└───Project
    │   ddd
    │   final.xlsx
    │   readme
    │   [VN]Assignment_2.ipynb
    │
    ├───assignment1
    │   └───MLP301x_asm1_anphFX23501@funix.edu.vn
    │       │   An_PhamHoang_grade_the_exams.ipynb
    │       │   class1.txt
    │       │   class2.txt
    │       │   class3.txt
    │       │   class4.txt
    │       │   class5.txt
    │       │   class6.txt
    │       │   class7.txt
    │       │   class8.txt
    │       │   README.md
    │       │   REPORT.txt
    │       │
    │       ├───assignment1_numpy_pandas
    │       │   │   Assignment1_numpy_pandas.ipynb
    │       │   │   class1.txt
    │       │   │   class2.txt
    │       │   │   class3.txt
    │       │   │   README.md
    │       │   │
    │       │
    │
    ├───Mon_hoc_1
    │       Example2.txt
    │       Example3.txt
    │       inactive.txt
    │       members.txt
    │       README.md
    │       testAppend.txt
    │       testWrite.txt
    │       [VN]Lab_1.ipynb
    │       [VN]Lab_10_1_data_preprocessing_tools.ipynb
    │       [VN]Lab_10_3_BONUS_multiple_linear_regression.ipynb
    │       [VN]Lab_10_4_Predicting_house_prices.ipynb
    │       [VN]Lab_11_1_logistic_regression.ipynb
    │       [VN]Lab_11_2_Analyzing_product_sentiment.ipynb
    │       [VN]Lab_13_Song_recommender.ipynb
    │       [VN]Lab_14_1_Deep_Features_for_Image_Retrieval.ipynb
    │       [VN]Lab_14_2_Deep_Features_for_Image_Classification_ipyn.ipynb
    │       [VN]Lab_2_1_Write_your_first_python_code.ipynb
    │       [VN]Lab_2_2_Strings.ipynb
    │       [VN]Lab_2_3_Lists.ipynb
    │       [VN]Lab_2_4_Tuples.ipynb
    │       [VN]Lab_2_5-Dictionaries.ipynb
    │       [VN]Lab_2_6_Sets.ipynb
    │       [VN]Lab_2_7_Conditions.ipynb
    │       [VN]Lab_2_8_Loops.ipynb
    │       [VN]Lab_2_9_Functions_.ipynb
    │       [VN]Lab_3_Classes.ipynb
    │       [VN]Lab_4_Simple_API_2__v2.ipynb
    │       [VN]Lab_5_1_Numpy1D.ipynb
    │       [VN]Lab_5_2_Numpy2D.ipynb
    │       [VN]Lab_6_1_ReadFile.ipynb
    │       [VN]Lab_6_2_WriteFile.ipynb
    │       [VN]Lab_6_3_LoadData.ipynb
    │       [VN]Lab_7_1_Introduction-to-Matplotlib-and-Line-Plots.ipynb
    │       [VN]Lab_7_2_Area_Plots_Histograms_and_Bar_Charts.ipynb
    │       [VN]Lab_7_3_Pie_Charts_Box_Plots_Scatter_Plots_and_Bubble_Plots.ipynb      
    │
    ├───Mon_hoc_2
    │   │   [VN]exercise-1.ipynb
    │   │   [VN]exercise-2.ipynb
    │   │   [VN]exercise-3.ipynb
    │   │   [VN]Lab-1.ipynb
    │   │   [VN]Lab-2.ipynb
    │   │   [VN]Lab-3.ipynb
    │   │   [VN]Lab-4.ipynb
    │   │   [VN]Lab-5.ipynb
    │   │   [VN]Lab-6.1 Hồi quy vector hỗ trợ.ipynb
    │   │   [VN]Lap-11.1 Lựa chọn đặc trưng với các phương pháp gói.ipynb
    │   │   [VN]Lap-12.1 Lọc theo các thống kê cơ bản.ipynb
    │   │   [VN]Lap-12.2 Lọc theo RMSE.ipynb
    │   │   [VN]Lap-6.2 Hồi quy cây quyết định.ipynb
    │   │   [VN]Lap-6.3 Hồi quy rừng ngẫu nhiên.ipynb
    │   │   [VN]Lap-7.1 Dữ liệu bị thiếu.ipynb
    │   │   [VN]Lap-7.2 Nhãn hiếm.ipynb
    │   │   [VN]Lap-7.3 Giả định tuyến tính.ipynb
    │   │   [VN]Lap-7.4 Ngoại lai.ipynb
    │   │
    │   ├───assignment1
    │   │       asm1.ipynb
    │   │
    │   ├───assignment2
    │   ├───[VN]exercise-4
    │   │       04.1 Mean-Median-Imputation-Sklearn.ipynb
    │   │       04.10 Frequent-Category-Imputation-Feature-Engine.ipynb
    │   │       04.11 Missing-Category-Imputation-Feature-Engine.ipynb
    │   │       04.12 Random-Sample-Imputation-Feature-Engine.ipynb
    │   │       04.13 Missing-Indicator-Feature-Engine.ipynb
    │   │       04.2 Arbitrary-Value-Imputation-Sklearn.ipynb
    │   │       04.3 Frequent-Category-Imputation-Sklearn.ipynb
    │   │       04.4 Missing-Category-Imputation-Sklearn.ipynb
    │   │       04.5 MissingIndicator-Sklearn.ipynb
    │   │       04.6 Automatic-Imputation-Method-Detection-Sklearn.ipynb
    │   │       04.7 Mean-Median-Imputation-Feature-Engine.ipynb
    │   │       04.8 Arbitrary-Value-Imputation-Feature-Engine.ipynb
    │   │       04.9 End-Tail-Imputation-Feature-Engine.ipynb
    │   │
    │   ├───[VN]exercise-5
    │   │       5.1 Mean Encoding.ipynb
    │   │       5.2 Probability Ratio Encoding.ipynb
    │   │       5.3 Weight of Evidence.ipynb
    │   │       5.4 Comparison categorical encoding techniques.ipynb
    │   │       5.5 Engineering Rare Categories.ipynb
    │   │
    │   ├───[VN]exercise-6
    │   │       [VN]Lap-6.1 Method-used-in-a-KDD-competition.ipynb
    │   │       [VN]Lap-6.2 KDD-method-with-Feature-engine.ipynb
    │   │
    │   ├───[VN]exercise-7
    │   │       [VN]Lap-7.1 Feature-shuffling-with-Feature-engine.ipynb
    │   │       [VN]Lap-7.2 Recursive-feature-elimination-with-Feature-engine.ipynb    
    │   │       [VN]Lap-7.3 Recursive-feature-addition-with-Feature-engine.ipynb       
    │   │
    │   ├───[VN]Lap-10
    │   │       [VN]Lap-10.1 Cắt tỉa Outlier .ipynb
    │   │       [VN]Lap-10.2 Xử lý outlier.ipynb
    │   │       [VN]Lap-10.3 Co giãn đặc trưng.ipynb
    │   │       [VN]Lap-10.4 Xử lý biến thời gian.ipynb
    │   │
    │   ├───[VN]Lap-13
    │   │       [VN]Lap-13.1 Hệ số Hồi quy tuyến tính.ipynb
    │   │       [VN]Lap-13.2 Regression coefficients and regularisation.ipynb
    │   │       [VN]Lap-13.3 Lasso.ipynb
    │   │       [VN]Lap-13.4 Xáo trộn ngẫu nhiên.ipynb
    │   │       [VN]Lap-13.5 Phương pháp lai hóa_ Loại bỏ đặc trưng bằng đệ quy.ipynb  
    │   │       [VN]Lap-13.6 Phương pháp lai hóa_ Thêm đặc trưng bằng đệ quy.ipynb     
    │   │
    │   ├───[VN]Lap-8
    │   │       Copy of Deep Features for Image Retrieval-Assignment.ipynb
    │   │       [VN]Lap-8.1 Phân tích trường hợp toàn vẹn (CCA).ipynb
    │   │       [VN]Lap-8.10 MICE.ipynb
    │   │       [VN]Lap-8.2 Gán giá trị trung bình_trung vị.ipynb
    │   │       [VN]Lap-8.3 Gán giá trị bất kỳ.ipynb
    │   │       [VN]Lap-8.4 Gán giá trị ở cuối phân phối.ipynb
    │   │       [VN]Lap-8.5 Gán hạng mục thường xuất hiện.ipynb
    │   │       [VN]Lap-8.6 Gán giá trị bị thiếu là 1 biến hạng mục mới.ipynb
    │   │       [VN]Lap-8.7 Gán mẫu ngẫu nhiên.ipynb
    │   │       [VN]Lap-8.8 Chỉ số khuyết dữ liệu.ipynb
    │   │       [VN]Lap-8.9 Gán theo KNN.ipynb
    │   │
    │   └───[VN]Lap-9
    │           [VN]Lap-9.1 Mã hóa One-hot.ipynb
    │           [VN]Lap-9.2 Mã hóa one-hot (OHE) của các hạng mục thường xuất hiện.ipynb
    │           [VN]Lap-9.3 Mã hóa số nguyên.ipynb
    │           [VN]Lap-9.4 Mã hóa đếm_tần số.ipynb
    │           [VN]Lap-9.5 Mã hóa hướng dẫn có mục tiêu.ipynb
    │
    ├───Mon_hoc_3
    │   └───Mon_hoc_3
    │       │   Tài liệu không có tiêu đề.docx
    │       │   [VN]Lap_1_Dự đoán cảm xúc từ các bài bình luận sản phẩm.ipynb
    │       │
    │       ├───assignment_1
    │       │       asm_1.ipynb
    │       │       weatherAUS.csv
    │       │       weatherAUS_advance.csv
    │       │
    │       ├───assignment_2
    │       │       asm2.ipynb
    │       │       feature_selection.png
    │       │       kaggle.png
    │       │       test.csv
    │       │       train.csv
    │       │       trial.png
    │       │
    │       ├───Lap-10
    │       │       tree_model.txt
    │       │       [VN]10_1 Cardinality với bài toán phân loại.ipynb
    │       │       [VN]10_2_1 Rời rạc hóa sử dụng khoảng cách bằng nhau.ipynb
    │       │       [VN]10_2_2 Rời rạc hóa sử dụng mã hóa.ipynb
    │       │       [VN]10_2_3 Rời rạc hóa với Decision Tree.ipynb
    │       │       [VN]10_2_4 Rời rạc hóa sử dụng kiến thức chuyên ngành.ipynb        
    │       │
    │       ├───Lap-11
    │       │       dataset_2.csv
    │       │       nn_model.joblib
    │       │       [VN]11_1_1 Lọc từng đặc trưng với roc-auc hoặc mse.ipynb
    │       │       [VN]11_1_2.ipynb
    │       │       [VN]11_2_1 Độ quan trọng đặc trưng trong thuật toán Random Forest.ipynb
    │       │       [VN]11_2_2 Lựa chọn đặc trưng với Random Forest.ipynb
    │       │
    │       ├───Lap-12
    │       │       kdd2004.csv
    │       │       [VN]12_1_Các_phép_đánh_giá_P1.ipynb
    │       │       [VN]12_2_Các_phép_đánh_giá_P2.ipynb
    │       │
    │       ├───Lap-13
    │       │       [VN]13_1 Giới thiệu về undersampling.ipynb
    │       │       [VN]13_2 Các phương pháp Nearest Neighbours nâng cao.ipynb
    │       │       [VN]13_3 Neighbourhood Cleaning và NearMiss.ipynb
    │       │       [VN]13_4 Ngưỡng Instance Hardness.ipynb
    │       │       [VN]13_5 So sánh các phương pháp Under-sampling.ipynb
    │       │
    │       ├───Lap-14
    │       │       [VN]14_1 Random-Oversampling.ipynb
    │       │       [VN]14_2_SMOTE.ipynb
    │       │       [VN]14_3 ADASYN.ipynb
    │       │       [VN]14_4 So sánh các phương pháp Over-sampling.ipynb
    │       │       [VN]14_5 SMOTEENN-và-SMOTETomek.ipynb
    │       │       [VN]14_6 So sánh Over và under-sampling.ipynb
    │       │
    │       ├───Lap-15
    │       │       items.csv
    │       │       item_categories.csv
    │       │       sales_train.csv.gz
    │       │       shops.csv
    │       │       [VN]15.2 Ensemble-Learning.ipynb
    │       │       [VN]15_1.ipynb
    │       │
    │       ├───Lap-2
    │       │       Bản sao của lr_utils.py
    │       │       [VN]Lab_2_1_Numpy và Vectơ hóa trong Python.ipynb
    │       │       [VN]Lab_2_2_Hồi quy Logistic.ipynb
    │       │
    │       ├───Lap-3
    │       │       planar_utils.py
    │       │       testCases.py
    │       │       testCases_v2.py
    │       │       [VN]Lab_3_SNN (Mạng nơron nông).ipynb
    │       │
    │       ├───Lap-4
    │       │   │   dnn_app_utils_v2.py
    │       │   │   dnn_utils_v2.py
    │       │   │   hinh-anh-meo-con-sieu-cute-700x467-1.jpg
    │       │   │   testCases_v3.py
    │       │   │   [VN]Lab_4_1_DNN.ipynb
    │       │   │   [VN]Lab_4_2_Ứng dụng của mạng DNN.ipynb
    │       │   │
    │       │   ├───.ipynb_checkpoints
    │       │   ├───datashet
    │       │   │       test_catvnoncat.h5
    │       │   │       train_catvnoncat.h5
    │       │   │
    │       │   └───__pycache__
    │       │           dnn_utils_v2.cpython-310.pyc
    │       │           testCases_v3.cpython-310.pyc
    │       │
    │       ├───Lap-5
    │       │       Bản sao của init_utils.py
    │       │       Bản sao của reg_utils.py
    │       │       Bản sao của testCases.py
    │       │       [VN]Lab_5_1_Khởi tạo trọng số.ipynb
    │       │       [VN]Lab_5_2_Điều chuẩn.ipynb
    │       │
    │       ├───Lap-6
    │       │       opt_utils.py
    │       │       testCases.py
    │       │       [VN]Lab_6_Thuật toán tối ưu.ipynb
    │       │
    │       ├───Lap-7
    │       │       amazon_baby_subset.csv
    │       │       important_words.json
    │       │       [VN]DNN với scikit-learn.ipynb
    │       │
    │       ├───Lap-8
    │       │       [VN]Predicting sentiment from product reviews with SVM.ipynb       
    │       │       __init__.py
    │       │
    │       └───Lap-9
    │               lending-club-data.csv
    │               [VN]Identifying safe loans with decision trees.ipynb
    │
    └───Mon_hoc_4
        │   Lab 10_Giới thiệu về NLP trong Tensorflow.ipynb
        │   Lab 10_self.ipynb
        │   Lab 11_Milestone project 2_ SkimLit NLP.ipynb
        │   Lab 12_Time series - Forecasting trong Tensorflow.ipynb
        │   Lab 1_TensorFlow cơ bản.ipynb
        │   Lab 3_Phân loại mạng nơ-ron trong TensorFlow.ipynb
        │   Lab 5_Mạng nơ-ron tích chập trong TensorFlow.ipynb
        │   Lab 6_Transfer learning trong TensorFlow phần 1_ Feature Extraction.ipynb  
        │   Lab 6_Transfer learning_self.ipynb
        │   Lab 7_Transfer learning trong TensorFlow phần 2_ Fine tuning.ipynb
        │   Lab 8_self_Transfer learning trong TensorFlow phần 3_ Scaling up.ipynb     
        │   Lab 8_Transfer learning trong TensorFlow phần 3_ Scaling up.ipynb
        │   Lab 9_Milestone project 1_ Food Vision.ipynb
        │   Lap 11_self_Skimlit.ipynb
        │   Lap 12 self_time series.ipynb
        │   Lap 3_self.ipynb
        │   Lap 5_self.ipynb
        │   Lap 9 _ Self_Milestoneproject.ipynb
        │   Lap_7_transfer_learning_self.ipynb
        │
        ├───.ipynb_checkpoints
        ├───101_food_class_10_percent_saved_big_dog_model
        │   │   fingerprint.pb
        │   │   keras_metadata.pb
        │   │   saved_model.pb
        │   │
        │   ├───.ipynb_checkpoints
        │   ├───assets
        │   └───variables
        │           variables.data-00000-of-00001
        │           variables.index
        │
        ├───101_food_class_10_percent_saved_big_dog_model_fine_tune_5
        │   │   fingerprint.pb
        │   │   keras_metadata.pb
        │   │   saved_model.pb
        │   │
        │   ├───assets
        │   └───variables
        │           variables.data-00000-of-00001
        │           variables.index
        │
        │   │   
        │   │
        │   └───efficientnet_url_self
        │       ├───20240318-143857
        │       │   └───train
        │       │           events.out.tfevents.1710772738.3840554019e6.157.0.v2       
        │       │
        │       ├───20240318-144656
        │       │   └───train
        │       │           events.out.tfevents.1710773219.3840554019e6.157.1.v2       
        │       │
        │       └───20240318-150537
        │           ├───train
        │           │       events.out.tfevents.1710774338.c6294015ea74.661.0.v2       
        │           │
        │           └───validation
        │                   events.out.tfevents.1710774357.c6294015ea74.661.1.v2       
        │
        ├───assignment1
        │   │   align_faces.py
        │   │   align_mtcnn.py
        │   │   asm1.ipynb
        │   │   labels_file.pkl
        │   │   self_assignment1_face_mask.ipynb
        │   │
        │   ├───dataset
        │   ├───image
        │   │       angelina.jpg
        │   │       family.jpg
        │   │       people.jpg
        │   │       woman.jpg
        │   │
        │   ├───model_efficient_net.model
        │   │   │   fingerprint.pb
        │   │   │   keras_metadata.pb
        │   │   │   saved_model.pb
        │   │   │
        │   │   ├───assets
        │   │   └───variables
        │   │           variables.data-00000-of-00001
        │   │           variables.index
        │   │
        │   ├───mtcnn
        │   │   │   box_utils.py
        │   │   │   demo.py
        │   │   │   detector.py
        │   │   │   first_stage.py
        │   │   │   models.py
        │   │   │   visualization_utils.py
        │   │   │   __init__.py
        │   │   │
        │   │   ├───weights
        │   │   │       onet.npy
        │   │   │       pnet.npy
        │   │   │       rnet.npy
        │   │   │
        │   │   └───__pycache__
        │   │           box_utils.cpython-310.pyc
        │   │           box_utils.cpython-37.pyc
        │   │           detector.cpython-310.pyc
        │   │           detector.cpython-37.pyc
        │   │           first_stage.cpython-310.pyc
        │   │           first_stage.cpython-37.pyc
        │   │           models.cpython-310.pyc
        │   │           models.cpython-37.pyc
        │   │           __init__.cpython-310.pyc
        │   │           __init__.cpython-37.pyc
        │   │
        │   └───__pycache__
        │           align_faces.cpython-310.pyc
        │
        ├───assignment2
        │       glove.6B.50d.txt.zip
        │       Text Classification_Starter Code.ipynb
        │       train.csv.zip
        │       [VN] Text Classification_Starter Code.ipynb
        │
        ├───checkpoint
        │       feature_extraction_mixed_precision-01-1.12.weights.h5

        │
        ├───feature_extraction_mixed_precision
        │   ├───20240330-033204
        │   │   └───train
        │   │           events.out.tfevents.1711769527.78ff2d9b69aa.1765.0.v2
        │   │
        │   ├───train

        │   │
        │   └───validation
        │          
        │
        ├───Lap 4
        │       4.1 Xử lý text với Python.ipynb
        │       4.2 NLP cơ bản.ipynb
        │       Business_Proposal.pdf
        │       Bản sao của owlcreek.txt
        │       contacts.txt
        │
        └───Lap-2
                dog_backpack.jpg
                dog_backpack.png
                giraffes.jpg
                Lab 2.2 Hồi quy mạng nơ-ron trong TensorFlow.ipynb
                Lap 2.1.1 Làm việc với ảnh.ipynb
                Lap 2.1.2 Xử lý ảnh.ipynb
                Lap2-2_self.ipynb